Resumen:El acceso a la información más actualizada sobre contramedidas médicas es importante para la investigación y el desarrollo de tratamientos eficaces para virus y toxinas marinas. Sin embargo, faltan bases de datos integrales que recopilen datos sobre virus y toxinas marinas, lo que hace que las decisiones sobre contramedidas médicas sean lentas y difíciles. En este trabajo, empleamos dos modelos de lenguaje grande (LLM) de ChatGPT y Grok para diseñar dos bases de datos integrales de contramedidas terapéuticas para cinco virus de Lassa, Marburg, Ébola, Nipah y encefalitis equina venezolana, así como toxinas marinas. Con aportes humanos de alto nivel, los dos LLM identifican bases de datos públicas que contienen datos sobre los cinco virus y toxinas marinas, recopilan información relevante de estas bases de datos y la literatura, validan de forma iterativa la información recopilada y diseñan páginas web interactivas para un fácil acceso a las bases de datos completas y seleccionadas. En particular, ChatGPT LLM se emplea para diseñar flujos de trabajo de IA agentes (que constan de dos agentes de IA para la investigación y la toma de decisiones) para clasificar las contramedidas para virus y toxinas marinas en las bases de datos. Juntos, nuestro trabajo explora el potencial de los LLM como un enfoque escalable y actualizable para crear bases de datos de conocimientos integrales y respaldar la toma de decisiones basada en evidencia.
Publicado originalmente en export.arxiv.org el 31 de marzo de 2026.
Ver fuente original
